4月20日晚，基础物理研究中心举行了《2026系列学术报告》第三期，安徽理工大学力学与光电物理学院研究生丁梓耕在线上作了题为《通过机器学习探究磁化QCD物质中的有效相互作用与反常磁矩》的学术报告。报告会由林凡老师主持，中心成员及学院部分老师和同学参加了报告会。
在极端高温或高密环境下，量子色动力学（QCD）物质会发生手征对称性恢复与退禁闭，从强子相转变为夸克胶子等离子体(QGP)。除此之外，极端强磁场环境对QCD物质的性质及其相结构的影响同样不可忽视。报告中，丁梓耕同学首先介绍了强磁场环境下QCD物质展现出的一系列效应，随后详细阐述了研究所采用的神经网络框架及其技术细节。该研究构建了包含磁场相关的耦合以及反常磁矩的Nambu–Jona-Lasinio（NJL）模型，并利用神经网络对耦合常数及反常磁矩相关参数的磁场依赖关系进行参数化。通过在损失函数中引入关键物理先验知识并且以格点QCD计算结果作为训练数据，经过充分训练后，神经网络能够在有效的磁场范围内拟合出耦合常数和相关参数的磁场依赖关系。
报告结束后，与会人员围绕研究使用的物理框架进行了深入的讨论和交流。
